这是什么
研究生阶段的自然语言处理涵盖现代语言技术背后的理论和计算语言学基础,以及当前的研究方向——包括模型的可解释性、多语言和低资源NLP,以及语言模型推理和事实可靠性方面的开放挑战。
为什么重要
在研究层面理解NLP需要真正面对尚未解决的问题——为什么大型语言模型在某些推理任务上失败、如何让它们对低资源语言可靠,以及如何有意义地评估它们——而不仅仅是将预训练模型应用于标准任务。
考试小贴士
评估一项NLP研究论断时,检查使用了哪个基准测试,以及该基准是否存在已知的弱点或污染问题——NLP研究中相当一部分被报告为最先进水平的结果,后来被证明是被基准测试特有的伪影所夸大,而不是真正的能力提升。
对Natural Language Processing (自然语言处理)课程感兴趣?
告诉我们学生的目标和自信程度——我们会为其设计个性化学习计划。